[S-TT39] 合成開口レーダーとその応用

[STT39-P13] ALOS-2干渉SAR解析における誤差成分の低減- Noise2Noise深層学習の適用-

*永田 智季¹、重光 勇太朗¹、石塚 師也¹、林 為人¹ (1.京都大学)

キーワード：干渉SAR、Noise2Noise深層学習、機械学習

地震や火山活動、地盤沈下等をモニタリングする上で，干渉SAR解析を用いた地表変動の観測は重要である。しかしながら，推定される地表変動には対流圏での位相遅延や地表面での散乱によるノイズ成分等の誤差成分が一定程度含まれる．干渉画像中で誤差成分の分布が一様でないことや、各干渉画像に含まれる誤差成分の程度が異なることなどにより，既存手法でそれらを除去することは難しい場合もある。本研究ではNoise2Noise深層学習と呼ばれるノイズ除去手法を干渉画像に適用することを提案する。同手法は従来の深層学習と異なり，ノイズを含んだ訓練画像のみを用いて学習を行いノイズ分布を推定する手法であり，写真等の画像において高精度のノイズ除去が可能であることが示されている。まず，疑似画像を作成し同手法が干渉SAR解析による地表変動画像に適用可能であるかを検証した。次に，実際に取得された画像を用いてNoise2Noise 深層学習を行い，干渉画像からノイズ除去を試みた。
　疑似画像には，対流圏に起因するノイズ成分と地表面での散乱の影響を模擬した非相関のノイズ成分を地表変動に加えた画像を作成した。対流圏によるノイズ成分は先行研究を基にフラクタル面を数学的に記述したモデルを用い，地表面での散乱に伴うノイズはガウス分布に従うとした。地表変動は円形の地盤沈下を仮定し，これらの和として作成した疑似差分干渉画像に対しNoise2Noise深層学習を適用した。この解析では，訓練画像の枚数を変化させてノイズ除去の精度を比較した。精度評価には画像の類似度を計算するためピーク信号対雑音比（PSNR），観測距離の誤差を計算するために二乗平均平方根誤差（RMSE）を用いた。続いて実画像への適用では，天然ガスの生産や地下水利用に伴う地盤沈下が生じている千葉県九十九里地域を対象に得られた干渉画像に対して解析を行った。ALOS-2に搭載されたPALSAR-2を用いて2015/1/15から2021/9/30の期間に30回観測されたSARデータを使用した。この30個の観測データから2個の干渉ペアを選択する全ての組み合わせにより435枚の干渉画像を作成し，地表変動が起きていると考えられる九十九里周辺の地域を切り抜いた画像を訓練画像として用いてNoise2Noise深層学習を適用した。
　疑似画像を用いた場合の学習では，対流圏に起因するノイズと非相関ノイズの2種類を同時に除去することに成功した。訓練画像の枚数の増加に伴いノイズ除去の精度は向上し，3000枚を用いた学習においてRMSE 4.12mmの精度でノイズを除去でき，干渉SAR解析画像にNoise2Noise深層学習が有効である可能性を示した。実画像を用いた学習では，一定程度のノイズ除去の変化は見られたものの，同時にノイズと推測されるエリアにおける地表変動程度の成分まで除去された。この原因として，深層学習の過程で，変動成分が同程度でない2枚の画像を基に学習を行っていることが挙げられる。ノイズ除去の精度向上のためには，訓練画像の準備の段階で画像中に大きく分布している電離圏に起因するノイズ成分を補正する必要があると考えられる。以上より，疑似画像および実画像の結果から，干渉SAR解析におけるNoise2Noise深層学習の実用可能性が示された。